一种图像处理方法及装置与流程

技术特征：
1.一种图像处理方法，其特征在于，包括：获取待处理图像及所述待处理图像对应的多张先验图；所述多张先验图中包括通过不同方式所生成的先验图；将所述多张先验图输入到第一神经网络进行特征提取，生成第一特征；将所述待处理图像输入到第二神经网络，并利用所述第一特征调制所述第二神经网络的输出特征，生成第二特征；通过第三神经网络对所述待处理图像及所述第二特征进行处理，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述第二神经网络包括多个子网络，其中，不同的子网络用于提取不同的特征；所述将所述待处理图像输入到第二神经网络，并利用所述第一特征调制所述第二神经网络的输出特征，生成第二特征，包括：将所述待处理图像分别输入到所述多个子网络中的各子网络，利用所述第一特征调制所述各子网络的输出特征，并对所述各子网络的输出特征进行融合处理，生成所述第二特征。3.根据权利要求2所述的方法，其特征在于，所述子网络包括全局变换神经网络和局部变换神经网络；所述将所述待处理图像分别输入到所述多个子网络中的各子网络，利用所述第一特征调制所述各子网络的输出特征，并对所述各子网络的输出特征进行融合处理，生成所述第二特征，包括：将所述待处理图像输入到所述全局变换神经网络，并利用所述第一特征调制所述全局变换神经网络的输出特征，生成所述待处理图像的全局特征；将所述待处理图像输入到所述局部变换神经网络，并利用所述第一特征调制所述局部变换神经网络的输出特征，生成所述待处理图像的局部特征；对所述全局特征和所述局部特征进行融合处理，生成所述第二特征。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第三神经网络包括：亮度感知特征提取网络及亮度增强网络；所述通过第三神经网络对所述待处理图像及所述第二特征进行处理，得到目标图像，包括：对所述待处理图像进行处理，生成目标掩码图像，所述目标掩码图像包括第一区域及第二区域，其中，所述第一区域对应的亮度高于所述第二区域对应的亮度；通过所述亮度感知特征提取网络，对所述待处理图像、所述目标掩码图像进行特征提取，并根据所提取的特征生成亮度调制图，所述亮度调制图用于对亮度进行调制；将所述第二特征输入到所述亮度增强网络，并利用所述亮度调制图调制所述亮度增强网络的输出特征，得到所述目标图像；其中，所述亮度增强网络针对亮度对所述第二特征进行增强。5.根据权利要求4所述的方法，其特征在于，所述对所述待处理图像进行处理，生成目标掩码图像，包括：通过对所述待处理图像进行直方图均衡化及直方图百分位截取，生成所述目标掩码图像。
6.根据权利要求4或5所述的方法，其特征在于，所述亮度增强网络为多级神经网络；所述将所述第二特征输入到所述亮度增强网络，并利用所述亮度调制图调制所述亮度增强网络的输出特征，得到所述目标图像，包括：将所述第二特征输入到所述亮度增强网络，并利用所述亮度调制图对所述亮度增强网络中的各级输出特征进行调制，得到所述目标图像，其中，针对每级输出特征进行调制前，对所述亮度调制图进行特征提取。7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：获取至少一个训练样本图像及所述训练样本图像对应的多张先验样本图；根据所述训练样本图像及所述先验样本图对预设模型进行训练，得到所述第一神经网络、所述第二神经网络及所述第三神经网络。8.根据权利要求7所述的方法，其特征在于，所述预设模型包括第一预设网络、第二预设网络及第三预设网络；所述根据所述训练样本图像及所述先验样本图对预设模型进行训练，得到所述第一神经网络、所述第二神经网络及所述第三神经网络，包括：将所述多张先验样本图输入到所述第一预设网络进行特征提取，生成第一训练特征；将所述训练样本图像输入到所述第二预设网络，并利用所述第一训练特征调制所述第二预设网络的输出特征，生成第二训练特征；通过所述第三预设网络对所述训练样本图像及所述第二训练特征进行处理，得到处理后的图像；根据所述处理后的图像调整所述预设模型的参数，直到达到预设训练结束条件，并将训练后的所述第一预设网络作为所述第一神经网络、训练后的所述第二预设网络作为所述第二神经网络、训练后的所述第三预设网络作为所述第三神经网络。9.一种图像处理装置，其特征在于，包括：获取模块，用于获取待处理图像及所述待处理图像对应的多张先验图；所述多张先验图中包括通过不同方式所生成的先验图；第一特征生成模块，用于将所述多张先验图输入到第一神经网络进行特征提取，生成第一特征；第二特征生成模块，用于将所述待处理图像输入到第二神经网络，并利用所述第一特征调制所述第二神经网络的输出特征，生成第二特征；目标图像生成模块，通过第三神经网络对所述待处理图像及所述第二特征进行处理，得到目标图像。10.根据权利要求9所述的装置，其特征在于，所述第二神经网络包括多个子网络，其中，不同的子网络用于提取不同的特征；所述第二特征生成模块，还用于：将所述待处理图像分别输入到所述多个子网络中的各子网络，利用所述第一特征调制所述各子网络的输出特征，并对所述各子网络的输出特征进行融合处理，生成所述第二特征。11.根据权利要求10所述的装置，其特征在于，所述子网络包括全局变换神经网络和局部变换神经网络；所述第二特征生成模块，还用于：将所述待处理图像输入到所述全局变换神经网络，并
利用所述第一特征调制所述全局变换神经网络的输出特征，生成所述待处理图像的全局特征；将所述待处理图像输入到所述局部变换神经网络，并利用所述第一特征调制所述局部变换神经网络的输出特征，生成所述待处理图像的局部特征；对所述全局特征和所述局部特征进行融合处理，生成所述第二特征。12.根据权利要求9-11中任一项所述的装置，其特征在于，所述第三神经网络包括：亮度感知特征提取网络及亮度增强网络；所述目标图像生成模块，还用于：对所述待处理图像进行处理，生成目标掩码图像，所述目标掩码图像包括第一区域及第二区域，其中，所述第一区域对应的亮度高于所述第二区域对应的亮度；通过所述亮度感知特征提取网络，对所述待处理图像、所述目标掩码图像进行特征提取，并根据所提取的特征生成亮度调制图，所述亮度调制图用于对亮度进行调制；将所述第二特征输入到所述亮度增强网络，并利用所述亮度调制图调制所述亮度增强网络的输出特征，得到所述目标图像；其中，所述亮度增强网络针对亮度对所述第二特征进行增强。13.根据权利要求12所述的装置，其特征在于，所述目标图像生成模块，还用于：通过对所述待处理图像进行直方图均衡化及直方图百分位截取，生成所述目标掩码图像。14.根据权利要求12或13所述的装置，其特征在于，所述亮度增强网络为多级神经网络；所述目标图像生成模块，还用于：将所述第二特征输入到所述亮度增强网络，并利用所述亮度调制图对所述亮度增强网络中的各级输出特征进行调制，得到所述目标图像，其中，针对每级输出特征进行调制前，对所述亮度调制图进行特征提取。15.根据权利要求9-14中任一项所述的装置，其特征在于，所述装置还包括训练模块，用于：获取至少一个训练样本图像及所述训练样本图像对应的多张先验样本图；根据所述训练样本图像及所述先验样本图对预设模型进行训练，得到所述第一神经网络、所述第二神经网络及所述第三神经网络。16.根据权利要求15所述的装置，其特征在于，所述预设模型包括第一预设网络、第二预设网络及第三预设网络；所述训练模型，还用于：将所述多张先验样本图输入到所述第一预设网络进行特征提取，生成第一训练特征；将所述训练样本图像输入到所述第二预设网络，并利用所述第一训练特征调制所述第二预设网络的输出特征，生成第二训练特征；通过所述第三预设网络对所述训练样本图像及所述第二训练特征进行处理，得到处理后的图像；根据所述处理后的图像调整所述预设模型的参数，直到达到预设训练结束条件，并将训练后的所述第一预设网络作为所述第一神经网络、训练后的所述第二预设网络作为所述第二神经网络、训练后的所述第三预设网络作为所述第三神经网络。17.一种图像处理装置，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现权利要求1-8中任意一项所述的方法。18.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1-8中任意一项所述的方法。
19.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行权利要求1-8中任意一项所述的方法。

技术总结
本申请涉及一种图像处理方法及装置，其中，该方法可以包括：获取待处理图像及所述待处理图像对应的多张先验图；所述多张先验图中包括通过不同方式所生成的先验图；将所述多张先验图输入到第一神经网络进行特征提取，生成第一特征；将所述待处理图像输入到第二神经网络，并利用所述第一特征调制所述第二神经网络的输出特征，生成第二特征；通过第三神经网络对所述待处理图像及所述第二特征进行处理，得到目标图像。通过本申请，综合利用多张先验图的优势，生成颜色、亮度、对比度等优化后的高质量的目标图像。量的目标图像。量的目标图像。


技术研发人员：李卫 汪涛 程震 宋风龙
受保护的技术使用者：华为技术有限公司
技术研发日：2022.07.11
技术公布日：2022/11/22